專利名稱：一種基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種自適應(yīng)圖像增強(qiáng)方法，尤其涉及一種利用各層圖像之間的相關(guān)系數(shù)來銳化圖像，并應(yīng)用視覺表現(xiàn)最優(yōu)理論自適應(yīng)調(diào)節(jié)銳化后圖像對(duì)比度的方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)：
圖像增強(qiáng)是指根據(jù)人眼觀察和/或機(jī)器進(jìn)一步分析處理的特定需要，采用相應(yīng)的技術(shù)手段強(qiáng)調(diào)圖像中的某些特征而抑制其它信息，以便提高對(duì)比度、銳化邊緣細(xì)節(jié)。現(xiàn)有的圖像增強(qiáng)方法有很多種，例如反銳化掩膜法、直方圖均衡化法、Lee圖像增強(qiáng)算法、遺傳算法等等。但是這些現(xiàn)有方法大多數(shù)都面臨著兩個(gè)基本問題1.增強(qiáng)后圖像的灰度值超過灰度級(jí)范圍時(shí)，重新規(guī)格化圖像時(shí)會(huì)造成對(duì)比度下降和信息丟失，例如空域中的反銳化掩膜法等；2.細(xì)節(jié)和噪聲難以區(qū)分，導(dǎo)致增強(qiáng)細(xì)節(jié)和抑制噪聲相互矛盾，例如空域中的直方圖均衡化法等。
針對(duì)現(xiàn)有圖像增強(qiáng)算法的不足，有人提出在小波域中增強(qiáng)圖像的技術(shù)思路，利用小波多層分解后細(xì)節(jié)衰減慢、噪聲衰減快的分布特點(diǎn)，實(shí)現(xiàn)對(duì)噪聲和細(xì)節(jié)分別進(jìn)行不同程度地增強(qiáng)處理，但是該方法對(duì)圖像的對(duì)比度改善不明顯，且計(jì)算復(fù)雜。最近，有人提出了一種基于閉運(yùn)算的多層圖像增強(qiáng)方法(參考《對(duì)數(shù)圖像處理模型的研究及其在圖像增強(qiáng)中的應(yīng)用(A study of the logarithmic image processing model and itsapplication to image enhancement)》，《IEEE Transaction on ImageProcessing》1995年4月刊，第506～512頁；《面向生物醫(yī)學(xué)應(yīng)用的對(duì)數(shù)圖像處理技巧綜述(An Overview of Logarithm-Based ImageProcessing Techniques for Biomedical Applications)》，《Digitalsignal Processing and Proceedings》，1997年1月刊，第93～96頁)。該方法通過同態(tài)映射函數(shù)定義了圖像空間的向量加法運(yùn)算及標(biāo)量與向量的乘法運(yùn)算，利用向量運(yùn)算的封閉性可以保證圖像的灰度值在增強(qiáng)過程中保持在0～255(8-bit圖像)，避免引入規(guī)格化處理造成的對(duì)比度下降和細(xì)節(jié)丟失。另外，該方法將原始圖像看作是第0層低頻或高頻圖像，利用多層圖像分解的思路，分別獲得第1層、第2層，……第n層的高頻圖像，應(yīng)用邊緣特征在各層都有分布而噪聲主要分布在低層(第1層等)的觀察分析結(jié)果，對(duì)高層的信息和低層的信息分別進(jìn)行增強(qiáng)和抑制處理，在一定程度上解決了增強(qiáng)細(xì)節(jié)時(shí)噪聲放大的問題。
但是，上述方法仍然不能準(zhǔn)確區(qū)分細(xì)節(jié)和噪聲。這是因?yàn)樵诘蛯拥母哳l圖像中同時(shí)存在大量的邊緣、紋理和噪聲信息，上述方法將低層的所有信息都作為噪聲進(jìn)行抑制處理，會(huì)造成分布在低層的邊緣和紋理信息丟失。且該方法需要使用者根據(jù)所處理圖像的曝光情況，輸入?yún)?shù)來實(shí)現(xiàn)對(duì)比度調(diào)節(jié)，這樣通常需要經(jīng)過多次實(shí)驗(yàn)才能得到視覺效果好的增強(qiáng)圖像，對(duì)使用者的個(gè)人經(jīng)驗(yàn)要求很高，因此也存在使用不方便的問題。在此背景下，研究一種能夠更好地區(qū)分噪聲和細(xì)節(jié)，并能根據(jù)圖像曝光情況自適應(yīng)調(diào)節(jié)對(duì)比度的方法顯得尤為重要。


發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于提供一種新型的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法。該方法通過構(gòu)造各層圖像之間的相關(guān)系數(shù)來區(qū)分噪聲和細(xì)節(jié)，可以更好地銳化圖像；該方法應(yīng)用視覺表現(xiàn)最優(yōu)理論，能夠自適應(yīng)地調(diào)節(jié)圖像對(duì)比度，使增強(qiáng)后圖像的視覺效果達(dá)到最佳。
為實(shí)現(xiàn)上述的發(fā)明目的，本發(fā)明采用下述的技術(shù)方案 一種基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于包括如下步驟 首先對(duì)圖像進(jìn)行多次低通濾波處理，獲取多層高頻圖像； 然后對(duì)所述多層高頻圖像依次進(jìn)行銳化圖像和調(diào)節(jié)對(duì)比度的處理，獲得增強(qiáng)后的圖像； 其中，所述銳化圖像步驟中，根據(jù)各層高頻圖像之間的噪聲相關(guān)系數(shù)進(jìn)行處理，得到銳化后的圖像； 所述調(diào)節(jié)對(duì)比度步驟中，根據(jù)視覺表現(xiàn)最優(yōu)理論對(duì)所述銳化后的圖像進(jìn)行自適應(yīng)對(duì)比度調(diào)節(jié)處理。
所述獲取多層高頻圖像的步驟中，首先對(duì)原始圖像進(jìn)行三次低通濾波，獲得各層低頻圖像，再將相鄰層的低頻圖像進(jìn)行向量減法運(yùn)算獲得多層高頻圖像。
所述銳化圖像步驟具體包括如下子步驟 (1)計(jì)算各層高頻圖像的相關(guān)系數(shù)。
(2)根據(jù)相關(guān)系數(shù)計(jì)算各點(diǎn)的噪聲可能性大小，并根據(jù)該值的大小對(duì)各點(diǎn)進(jìn)行相應(yīng)的處理。
(3)將處理后的高頻圖像與第3層低頻圖像進(jìn)行向量加法運(yùn)算，得到銳化后的圖像。
所述步驟(1)中，通過利用相鄰層相應(yīng)位置處灰度值的比值計(jì)算各點(diǎn)的相關(guān)系數(shù)。
所述步驟(2)中，首先確定各層相關(guān)系數(shù)矩陣的最大值和最小值；然后將相關(guān)系數(shù)最大的點(diǎn)判為細(xì)節(jié)，設(shè)置其噪聲可能性為0，將相關(guān)系數(shù)最小的點(diǎn)判為噪聲，設(shè)置其噪聲可能性為1，而相關(guān)系數(shù)處于兩者之間的點(diǎn)，根據(jù)該相關(guān)系數(shù)與最小值和最大值的距離線性遞減變化其噪聲可能性的大??；最后根據(jù)各點(diǎn)的噪聲可能性大小確定其處理方法。
對(duì)噪聲可能性大小值為1的點(diǎn)進(jìn)行完全抑制，對(duì)噪聲可能性大小值為0的點(diǎn)進(jìn)行最大程度地增強(qiáng)，對(duì)噪聲可能性大小值處于0～1之間的點(diǎn)則根據(jù)該值與兩個(gè)閾值的比較來確定，小于較低閾值的點(diǎn)進(jìn)行最大程度地增強(qiáng)，大于較高閾值的點(diǎn)進(jìn)行完全抑制，處于兩個(gè)閾值之間的點(diǎn)做線性遞減增強(qiáng)處理。
所述調(diào)節(jié)對(duì)比度步驟分為3個(gè)子步驟 (1’)利用圖形建立圖像空間和實(shí)數(shù)空間平均值近似相等的關(guān)系。
(2’)利用上述步驟建立的關(guān)系，根據(jù)圖像的灰度均值為灰度級(jí)動(dòng)態(tài)范圍的一半時(shí)視覺效果最佳的理論，用最佳視覺效果的圖像在實(shí)數(shù)空間的灰度均值與所述銳化后的圖像在圖像空間中的灰度均值進(jìn)行向量減法運(yùn)算，得到用于調(diào)節(jié)圖像對(duì)比度的參數(shù)值。
(3’)用上述步驟得到的參數(shù)值與所述銳化后的圖像進(jìn)行向量的加法運(yùn)算，得到增強(qiáng)后的圖像。
上述各步驟的實(shí)現(xiàn)過程中，使用同態(tài)映射函數(shù)將向量運(yùn)算轉(zhuǎn)換成實(shí)數(shù)空間的普通運(yùn)算，最后再使用逆映射將實(shí)數(shù)空間的值映射到圖像空間。
本發(fā)明所提供的自適應(yīng)圖像增強(qiáng)方法可以區(qū)分每層圖像的細(xì)節(jié)和噪聲，能夠在抑制低層噪聲的同時(shí)保留邊緣和紋理信息，在增強(qiáng)高層細(xì)節(jié)的同時(shí)抑制噪聲，經(jīng)過自適應(yīng)銳化后的圖像具有較好的邊緣。另外，本發(fā)明能夠自適應(yīng)地調(diào)整對(duì)比度，使增強(qiáng)后的圖像灰度均值保持在視覺效果最優(yōu)圖像的灰度均值附近。有關(guān)效果圖表明，該方法比現(xiàn)有基于閉運(yùn)算的方法、直方圖均衡化方法及多層小波分解處理方法的圖像增強(qiáng)效果更好。



下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步的說明。
圖1為本發(fā)明所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法的流程簡(jiǎn)圖； 圖2為圖1所示的自適應(yīng)圖像增強(qiáng)方法的實(shí)現(xiàn)流程詳圖； 圖3為噪聲可能性大小設(shè)置圖。
圖4為增益系數(shù)設(shè)置圖。
圖5為圖像中兩點(diǎn)在圖像空間和實(shí)數(shù)空間中的平均值示意圖，其中data10.5×(64+F)，data20.5(64F)，data30.5×(128+F)，data40.5(128F)，data50.5×(194+F)，data60.5(194F)。

具體實(shí)施例方式 參見圖1所示的自適應(yīng)圖像增強(qiáng)方法的實(shí)現(xiàn)流程簡(jiǎn)圖，該圖像增強(qiáng)方法基于相關(guān)系數(shù)算法和視覺表現(xiàn)最優(yōu)理論實(shí)現(xiàn)，包括如下的步驟首先對(duì)圖像進(jìn)行低通濾波處理，然后獲取高頻的圖像。對(duì)高頻圖像依次進(jìn)行自適應(yīng)銳化圖像和自適應(yīng)調(diào)節(jié)對(duì)比度，從而獲得增強(qiáng)后的圖像。其中，參見圖2所示的方法實(shí)現(xiàn)過程詳圖，在對(duì)原始圖像進(jìn)行低通濾波處理時(shí)，得到第一層低頻圖像A1，用原始圖像與A1進(jìn)行向量減法運(yùn)算得到第1層高頻圖像E1，與此類似，得到第2層低頻、高頻圖像A2、E2及第3層低頻、高頻圖像A3、E3；其次，計(jì)算各層高頻圖像之間的噪聲相關(guān)系數(shù)，確定各點(diǎn)的噪聲可能性大小T，并根據(jù)T的大小對(duì)各層高頻系數(shù)進(jìn)行相應(yīng)的處理，并將處理后的E1、E2、E3以及A3進(jìn)行向量加法運(yùn)算，得到銳化后的圖像；最后，將視覺表現(xiàn)最優(yōu)理論應(yīng)用到該方法中，對(duì)銳化后的圖像進(jìn)行自適應(yīng)對(duì)比度調(diào)節(jié)處理，從而得到視覺效果更好的增強(qiáng)圖像。
上述獲得多層高頻圖像所進(jìn)行的向量減法運(yùn)算是從現(xiàn)有的向量加法運(yùn)算中推導(dǎo)出來的?，F(xiàn)有基于閉運(yùn)算的多層圖像增強(qiáng)方法通過定義同態(tài)映射函數(shù)Ψ(F)＝log((M-F)/F)，將圖像空間[0，M)m×k映射到實(shí)數(shù)空間Rm×k，其中m×k表示圖像的大小，然后定義了圖像空間向量的加法運(yùn)算及標(biāo)量與向量的乘法運(yùn)算如下 FG＝Ψ-1(Ψ(F)+Ψ(G))(1) aF＝Ψ-1(aΨ(F)) (2) 從同態(tài)映射函數(shù)及式(1)、(2)可以推導(dǎo)出向量加法及標(biāo)量與向量的乘法運(yùn)算的顯式表達(dá)式如下 從式(3)可以推導(dǎo)出向量的減法運(yùn)算的顯示表達(dá)式如下 其中，對(duì)于8-bit圖像，M的值為256。
下面進(jìn)一步介紹獲得銳化圖像的各個(gè)子步驟。與現(xiàn)有基于閉運(yùn)算的方法中區(qū)分噪聲和細(xì)節(jié)方式不同的是，在本發(fā)明中，并不是將低層的高頻圖像全部認(rèn)為是噪聲、將高層的高頻圖像全部認(rèn)為是細(xì)節(jié)，而是對(duì)每層的噪聲和細(xì)節(jié)都進(jìn)行了區(qū)分，在抑制噪聲的同時(shí)能夠避免細(xì)節(jié)削弱，也能解決增強(qiáng)細(xì)節(jié)時(shí)噪聲放大的問題。該步驟具體包括如下的3個(gè)子步驟首先，計(jì)算各層高頻圖像的相關(guān)系數(shù)；其次，根據(jù)相關(guān)系數(shù)確定噪聲可能性大小T，根據(jù)T的大小進(jìn)行相應(yīng)的處理；最后，將處理后的各層高頻圖像及第3層的低頻圖像進(jìn)行向量的加法運(yùn)算，得到邊緣銳化的圖像。
具體計(jì)算步驟如下 (1)相關(guān)系數(shù)的計(jì)算 根據(jù)噪聲弱相關(guān)、細(xì)節(jié)強(qiáng)相關(guān)的理論，可以得知相鄰高頻圖像相應(yīng)位置處細(xì)節(jié)點(diǎn)的灰度值改變與噪聲點(diǎn)灰度值改變相比要小得多。于是，本發(fā)明建立相鄰層的相關(guān)系數(shù)計(jì)算關(guān)系式如下 其中，En表示第n層高頻圖像。
(2)細(xì)節(jié)和噪聲的標(biāo)識(shí)及其處理 參見圖3所示的噪聲可能性大小設(shè)置關(guān)系，在上述子步驟(1)獲得的每層高頻圖像的相關(guān)系數(shù)矩陣中，本發(fā)明將相關(guān)系數(shù)最大的點(diǎn)判為細(xì)節(jié)，其噪聲可能性大小設(shè)為0；將相關(guān)系數(shù)最小的點(diǎn)判為噪聲，其噪聲可能性大小設(shè)為1；相關(guān)系數(shù)位于兩者之間的點(diǎn)可能是噪聲，也可能是細(xì)節(jié)，其噪聲可能性大小設(shè)為最大相關(guān)系數(shù)與該相關(guān)系數(shù)的差除以最大相關(guān)系數(shù)與最小相關(guān)系數(shù)的差。其噪聲可能性大小T的設(shè)置如下 根據(jù)各點(diǎn)的噪聲可能性大小確定相應(yīng)的處理方法。參見圖4所示，如該值為0，則增益系數(shù)設(shè)為amax；如該值為1，則增益系數(shù)設(shè)為0；如果該值位于0和1之間時(shí)，則根據(jù)該值與閾值Tlower、Tupper的大小關(guān)系確定其處理方法，即小于閾值Tlower時(shí)，增益系數(shù)設(shè)為amax，大于閾值Tupper時(shí)，增益系數(shù)設(shè)為0，位于Tlower與Tupper之間時(shí)，增益系數(shù)線性遞減，設(shè)為a＝amax×(T-Tupper)/(Tlower-Tupper)，其增益系數(shù)的設(shè)置如式(8)所示。然后使用增益系數(shù)與各層高頻圖像進(jìn)行標(biāo)量與向量的乘法運(yùn)算，完成細(xì)節(jié)的增強(qiáng)及噪聲的抑制處理。
其中Tlower、Tupper是經(jīng)驗(yàn)閾值，通常取為0.25，0.75。
(3)邊緣銳化圖像的獲取 將步驟(2)獲得的處理后的各層高頻圖像E1、E2、E3以及第3層低頻圖像A3進(jìn)行向量的加法運(yùn)算，獲得邊緣銳化的圖像。其計(jì)算公式如下 A′＝E1′E2′E3′A3 (9) 其中E1′、E2′、E3′分別表示處理后的E1、E2、E3，A′表示銳化后的圖像。
在通過上述步驟獲得銳化圖像之后，下面將進(jìn)一步應(yīng)用視覺表現(xiàn)最優(yōu)理論實(shí)現(xiàn)自適應(yīng)調(diào)節(jié)對(duì)比度。視覺表現(xiàn)最優(yōu)理論可以參考論文《視覺表現(xiàn)的統(tǒng)計(jì)(The Statistics of Visual Representation)》(作者是Daniel J.Jobson，Ziaur Rahman和Glenn A.Woodell，載于《SPIEInternational Symposium on AeroSense Visual InformationProcessing XI Proceedings》，vol.4736，pp.25-35，2002.)，在此就不詳細(xì)說明了。
前已述及，在現(xiàn)有的圖像增強(qiáng)方法、特別是基于閉運(yùn)算的多層圖像增強(qiáng)方法中一般都需要進(jìn)行人工交互，這樣會(huì)給沒有相關(guān)經(jīng)驗(yàn)的使用者帶來不便，且通過人工交互獲取的參數(shù)不一定能夠使圖像的增強(qiáng)效果達(dá)到最佳狀態(tài)。本發(fā)明通過應(yīng)用視覺表現(xiàn)最優(yōu)理論的研究成果，自適應(yīng)調(diào)節(jié)銳化后圖像的對(duì)比度，能夠使圖像的增強(qiáng)效果最佳。該步驟分為如下3個(gè)子步驟，其具體實(shí)施步驟如下 (1)圖像空間和實(shí)數(shù)空間平均值的比較 本發(fā)明首先通過比較兩個(gè)空間中兩點(diǎn)的平均值關(guān)系，然后推導(dǎo)出兩個(gè)空間中任意點(diǎn)的平均值關(guān)系。
設(shè)F(xm，yk)、F(xm′，yk′)分別表示圖像中任意兩點(diǎn)的灰度值，顯然這兩點(diǎn)在實(shí)數(shù)空間和圖像空間的定義域內(nèi)，它們?cè)趦蓚€(gè)空間的平均值的計(jì)算表達(dá)式如下 其中，avgreal2、avgimage2分別表示兩點(diǎn)在實(shí)數(shù)空間和圖像空間的平均值。由于直接從表達(dá)式中推導(dǎo)兩者的關(guān)系非常復(fù)雜，且該方法是根據(jù)建立在圖像的統(tǒng)計(jì)信息基礎(chǔ)上的視覺表現(xiàn)最優(yōu)理論來調(diào)節(jié)對(duì)比度的，所以本發(fā)明根據(jù)圖形來近似判斷兩者的關(guān)系。
從圖5可以看出，固定一個(gè)象素灰度值，當(dāng)另一個(gè)象素灰度值在50～200時(shí)，兩個(gè)空間的平均值近似相等。當(dāng)該固定值為128、另一個(gè)象素值在0～50或200～250時(shí)，兩個(gè)空間的平均值在高端的差值與兩者在低端的差值幾乎相等；當(dāng)該值大于128、另一個(gè)象素值在0～50或200～250時(shí)，兩者在高端的差值小于其在低端的差值；當(dāng)該值小于128、另一個(gè)象素值在0～50或200～250時(shí)，兩者在高端的差值大于其在低端的差值，其中的差量與前一種情況幾乎相等。由于圖像象素灰度值在0～255之間取任意值，從統(tǒng)計(jì)意義上說，可以認(rèn)為兩個(gè)空間的兩點(diǎn)的平均值近似相等。
求n點(diǎn)的平均值時(shí)，可以假設(shè)前面的n-1點(diǎn)的平均值已經(jīng)求出，從而n點(diǎn)的平均值可以轉(zhuǎn)換成兩個(gè)點(diǎn)的平均值，因?yàn)閮蓚€(gè)空間中兩點(diǎn)的平均值近似相等，所以可以認(rèn)為兩個(gè)空間中多點(diǎn)的平均值近似相等。
(2)用于調(diào)節(jié)對(duì)比度的參數(shù)的計(jì)算 在本發(fā)明中，采用了基于閉運(yùn)算的多層圖像增強(qiáng)方法的模型式，該式表示如下 F′(x，y)＝a1E1(x，y)a2E2(x，y)a3E3(x，y)A3(x，y)b (12) 其中增益系數(shù)a1、a2、a3用于銳化圖像，本發(fā)明已經(jīng)在自適應(yīng)調(diào)節(jié)對(duì)比度的步驟中對(duì)它們的實(shí)現(xiàn)做了詳細(xì)地說明；參數(shù)b是用來調(diào)節(jié)對(duì)比度的，基于閉運(yùn)算的多層圖像增強(qiáng)方法需要使用者根據(jù)圖像的曝光程度輸入適當(dāng)?shù)膮?shù)來調(diào)節(jié)對(duì)比度，而本發(fā)明根據(jù)圖像的灰度均值為灰度級(jí)動(dòng)態(tài)范圍的一半時(shí)視覺效果最佳的視覺表現(xiàn)理論及子步驟(1)中基于圖像空間和實(shí)數(shù)空間平均值的比較而建立的關(guān)系式，能夠計(jì)算出用于調(diào)節(jié)對(duì)比度的參數(shù)b。
對(duì)于采用模型式(12)增強(qiáng)后的8-bit圖像F′(x，y)，其各點(diǎn)在實(shí)數(shù)空間和圖像向量空間的平均值的表達(dá)式如下 圖像F′(x，y)各點(diǎn)在圖像空間中的含未知參數(shù)b的均值可以從表達(dá)式(12)得到，表達(dá)式如下 現(xiàn)假設(shè)該圖為視覺效果最佳圖像，則根據(jù)本發(fā)明所引用的視覺表現(xiàn)最優(yōu)理論，得到該圖在實(shí)數(shù)空間的灰度均值為128。由上述子步驟(1)所提供的圖像空間和實(shí)數(shù)空間平均值的比較可以得到圖像中各點(diǎn)在圖像空間和實(shí)數(shù)空間的平均值近似相等，即avgimage(F′(x，y))為128時(shí)，該圖視覺效果最佳。于是參數(shù)b的計(jì)算公式表達(dá)如下 其中表示銳化后的圖像各點(diǎn)在圖像空間的平均值。
(3)獲取最終圖像 將上述步驟(2)計(jì)算出的參數(shù)b與銳化后的圖像進(jìn)行向量加法運(yùn)算，就可以得到邊緣銳化且具有最佳視覺效果的增強(qiáng)后的圖像。
在以上所有步驟中，由于求解向量運(yùn)算過于復(fù)雜，所以通常使用同態(tài)映射函數(shù)Ψ將向量運(yùn)算轉(zhuǎn)換成實(shí)數(shù)空間的普通運(yùn)算，最后再使用逆映射Ψ-1將實(shí)數(shù)空間的值映射到圖像空間。計(jì)算公式如下所示 F′(x，y)＝Ψ-1Ψ(F′(x，y)) ＝Ψ-1(a1×(Ψ(A0)-Ψ(A1))+a2×(Ψ(A1)-Ψ(A2))+ (17) a3×(Ψ(A2)-Ψ(A3))+Ψ(A3)+Ψ(b)) 本發(fā)明提供的圖像增強(qiáng)方法利用各層圖像之間的相關(guān)系數(shù)，更好地區(qū)分了噪聲和細(xì)節(jié)，能夠在增強(qiáng)細(xì)節(jié)時(shí)更大程度地抑制噪聲。該方法適用性強(qiáng)，可以自適應(yīng)地調(diào)節(jié)各種天候(陰天、雨霧天、低照度等)下的對(duì)比度，從而可以應(yīng)用于各種場(chǎng)景圖像中，使用該方法增強(qiáng)后的圖像具有較好的銳化邊緣及理想的對(duì)比度。
需要說明的是，以上公開的僅為本發(fā)明的具體實(shí)例，根據(jù)本發(fā)明提供的思想，本領(lǐng)域的技術(shù)人員能思及的變化，都應(yīng)落入本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于包括如下步驟
首先對(duì)圖像進(jìn)行多次低通濾波處理，獲取多層高頻圖像；
然后對(duì)所述多層高頻圖像依次進(jìn)行銳化圖像和調(diào)節(jié)對(duì)比度的處理，獲得增強(qiáng)后的圖像；
其中，所述銳化圖像步驟中，根據(jù)各層高頻圖像之間的噪聲相關(guān)系數(shù)進(jìn)行處理，得到銳化后的圖像；
所述調(diào)節(jié)對(duì)比度步驟中，根據(jù)視覺表現(xiàn)最優(yōu)理論對(duì)所述銳化后的圖像進(jìn)行自適應(yīng)對(duì)比度調(diào)節(jié)處現(xiàn)。
2.如權(quán)利要求1所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述獲取多層高頻圖像的步驟中，首先對(duì)原始圖像進(jìn)行三次低通濾波處理，獲得各層低頻圖像，將相鄰層的低頻圖像進(jìn)行向量減法運(yùn)算獲得多層高頻圖像。
3.如權(quán)利要求1所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述銳化圖像步驟具體包括如下子步驟
(1)計(jì)算各層高頻圖像的相關(guān)系數(shù)。
(2)根據(jù)相關(guān)系數(shù)計(jì)算各點(diǎn)的噪聲可能性大小，并根據(jù)該值的大小對(duì)各點(diǎn)進(jìn)行相應(yīng)的處理。
(3)將處理后的高頻圖像與第3層低頻圖像進(jìn)行向量加法運(yùn)算，得到銳化后的圖像。
4.如權(quán)利要求3所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述步驟(1)中，通過利用相鄰層相應(yīng)位置處灰度值的比值計(jì)算各點(diǎn)的相關(guān)系數(shù)。
5.如權(quán)利要求3所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述步驟(2)中，首先確定各層相關(guān)系數(shù)矩陣的最大值和最小值；然后將相關(guān)系數(shù)最大的點(diǎn)判為細(xì)節(jié)，設(shè)置其噪聲可能性為0，將相關(guān)系數(shù)最小的點(diǎn)判為噪聲，設(shè)置其噪聲可能性為1，而相關(guān)系數(shù)處于兩者之間的點(diǎn)，根據(jù)該相關(guān)系數(shù)與最小值和最大值的距離線性遞減變化其噪聲可能性的大??；最后根據(jù)各點(diǎn)的噪聲可能性大小確定其處理方法。
6.如權(quán)利要求5所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
對(duì)噪聲可能性大小值為1的點(diǎn)進(jìn)行完全抑制，對(duì)噪聲可能性大小值為0的點(diǎn)進(jìn)行最大程度地增強(qiáng)，對(duì)噪聲可能性大小值處于0～1之間的點(diǎn)則根據(jù)該值與兩個(gè)閾值的比較來確定，小于較低閾值的點(diǎn)進(jìn)行最大程度地增強(qiáng)，大于較高閾值的點(diǎn)進(jìn)行完全抑制，處于兩個(gè)閾值之間的點(diǎn)做線性遞減增強(qiáng)處理。
7.如權(quán)利要求6所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述較低閾值為0.25，所述較高閾值為0.75。
8.如權(quán)利要求1所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述調(diào)節(jié)對(duì)比度步驟分為3個(gè)子步驟
(1’)利用圖形建立圖像空間和實(shí)數(shù)空間平均值近似相等的關(guān)系。
(2’)利用上述步驟建立的關(guān)系，根據(jù)圖像的灰度均值為灰度級(jí)動(dòng)態(tài)范圍的一半時(shí)視覺效果最佳的理論，用最佳視覺效果的圖像在實(shí)數(shù)空間的灰度均值與所述銳化后的圖像在圖像空間中的灰度均值進(jìn)行向量減法運(yùn)算，得到用于調(diào)節(jié)圖像對(duì)比度的參數(shù)值。
(3’)用上述步驟得到的參數(shù)值與所述銳化后的圖像進(jìn)行向量的加法運(yùn)算，得到增強(qiáng)后的圖像。
9.如權(quán)利要求1～8中任意一項(xiàng)所述的基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法，其特征在于
所述自適應(yīng)圖像增強(qiáng)方法實(shí)現(xiàn)過程中，使用同態(tài)映射函數(shù)將向量運(yùn)算轉(zhuǎn)換成實(shí)數(shù)空間的普通運(yùn)算，最后再使用逆映射將實(shí)數(shù)空間的值映射到圖像空間。
全文摘要
本發(fā)明公開了一種基于相關(guān)系數(shù)的自適應(yīng)圖像增強(qiáng)方法。在該方法中，首先對(duì)原始圖像進(jìn)行三次低通濾波，分別獲得三層低頻圖像，由相鄰層的低頻圖像進(jìn)行向量減法運(yùn)算，獲得三層高頻圖像；其次，利用相鄰層高頻圖像各點(diǎn)的除法操作，計(jì)算各層相關(guān)系數(shù)，由相關(guān)系數(shù)區(qū)分噪聲和細(xì)節(jié)并對(duì)其進(jìn)行增強(qiáng)或抑制處理，將處理后的各層高頻圖像與第3層低頻圖像進(jìn)行向量加法運(yùn)算，獲得邊緣等細(xì)節(jié)銳化后的圖像；最后，將視覺表現(xiàn)最優(yōu)理論應(yīng)用到該方法中，對(duì)銳化后的圖像進(jìn)行對(duì)比度自適應(yīng)增強(qiáng)處理，獲得增強(qiáng)后的理想圖像。本發(fā)明能夠更好地區(qū)分噪聲和細(xì)節(jié)，且能夠自適應(yīng)地處理各種天候下的圖像，增強(qiáng)后的圖像具有較好的紋理、邊緣細(xì)節(jié)及理想的對(duì)比度。
文檔編號(hào)G06T5/00GK101159062SQ200710120588
公開日2008年4月9日 申請(qǐng)日期2007年8月21日 優(yōu)先權(quán)日2007年8月21日
發(fā)明者波 李, 胡葉鳳, 錦 鄭 申請(qǐng)人:北京航空航天大學(xué)